桥梁病害的检测对于确保公共安全和社会稳定至关重要,然而传统人工检测方法存在效率低下、错检、漏检等问题,针对这一挑战,提出了一种基于YOLO-Bridge的桥梁病害检测方法.YOLO-Bridge是基于YOLOv5的改进模型:1)引入轻量级上采样算子CARAFE,增强模型对桥梁病害关键特征的提取能力;2)采用双向特征金字塔网络BiFPN,提高模型在小目标检测和多尺度特征融合方面的表现;3)将ECA注意力机制与C3模块采用全新的融合处理方式,加强卷积层对输入特征的敏感性.另外,构建了桥梁病害数据集,并采用数据增强技术提高模型泛化能力.实验结果表明,YOLO-Bridge的mAP比原来的YOLOv5提高了　6.5％,此外,与Faster-RCNN,SSD,YOLOv3,YOLOv7-tiny等当前流行的目标检测算法相比,YOLO-Bridge在保持模型轻量的同时,实现了更高的检测精度.